一文彻底讲透聚类分析（基于SPSS软件实现） - 知乎
2021年9月28日 · 聚类分析是一种解释数据的方法，要得到一个客观且综合的聚类分析结果必须经过多次不同方法实验。 SPSS里提供了两种具体的聚类方法：K-中心聚类和系统聚类。 K-中心聚类：也叫K均值聚类，此过程根据MacQueen算法。K中心聚类适用于较大表，多达几十万行。
聚类算法在数据分析中有什么具体的应用场景？ - 知乎
因此，聚类可以表述为多目标优化问题。适当的聚类算 法和参数设置(包括距离函数等参数)使用，密度阈值或预期聚类的数量)取决 于个体数据集和结果的预期用途。这样的聚类分析不是自动任务，而是涉及试验 和失败的知识发现或交互式多目标优化的迭代过程。
聚类是什么? - 知乎
聚类中心是聚类类别的中心点情况，比如某类别时年龄对应的聚类中心为20，意味着该类别群体年龄基本在20岁左右。 初始聚类中心基本无意义，它是聚类算法随机选择的聚类点，如果需要查看聚类中心情况，需要关注于最终聚类中心。
如何对用户进行聚类分析？ - 知乎
4. 如何证明聚类的结果有意义？如何决定簇的数量？ 聚类分析是无监督学习，因此没有具体的标准来证明结果是对的或者错的。一般的判断方法无外乎三种： 人为验证聚类结果符合商业逻辑。比如我们对彩票客户进行聚类，最终得到4个簇，其中分为：
聚类与分类有什么区别？ - 知乎
聚类不需要对数据进行训练和学习。 分类属于监督学习，聚类属于无监督学习。常见的分类比如决策树分类算法、贝叶斯分类算法等聚类的算法最基本的有系统聚类，K-means均值聚类，这些都很常见，网上资料一大推，不再赘述。
2023年了，有哪些聚类方法可以自动确定聚类的数量呢？ - 知乎
聚类（Clustering）是一种在无监督学习中对数据进行分组的过程，它通过寻找数据之间的内在关系将数据分为几个不同的组。 聚类的目标是将相似的数据放在同一组中，并将不同的数据分配到不同的组中，以此实现对数据的分类和分析。
数据可视化过程中数据聚合是什么意思，聚合和聚类有什么区别？
2020年9月22日 · 聚类是把相似的对象通过静态分类的方法分成不同的组别或者更多的子集（subset），这样让在同一个子集中的成员对象都有相似的一些属性，常见的包括在坐标系中更加短的空间距离等。 聚类常用的算法有Kmean聚类等. 一般把数据聚类归纳为一种非监督式学习。
聚类分析中聚类数通常怎么确定？ - 知乎
2016年9月22日 · 聚类分析中聚类数k的确定可以使用三种方式进行. 一是研究者根据研究的专业知识进行自行设定聚类个数，建议设定的聚类个数介于3~6之间； 二是根据肘部法则进行确定； 三是通过遍历的方法寻找最优聚类个数。 一、自行设置. 可以根据专业知识自行确定聚类 ...
使用固定效应模型后还需要使用聚类稳健标准误吗？二者是什么关 …
于是，聚类稳健标准误破土而出。在面板数据中，每位个体不同时期的所有观测值即构成一个“聚类”（cluster），在同一聚类里的观测值互相相关，而不同聚类之间的观测值则不相关。 总结： 稳健标准误解决的是异方差问题； 聚类标准误解决的是自相关问题。
机器学习算法问题：能否先聚类再分类？ - 知乎
2023年11月15日 · 你提到的方法，即先使用聚类算法（如K-means）对无标签数据进行分类，然后使用分类算法（如KNN或XGBoost）对新样本进行预测，是一种常见的半监督学习方法。这种方法有其合理性，但也存在一些潜在的问题和考虑因素：聚类的效果对最终的分类结果有很大影响。